مقایسه مدلهای شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
Authors
Abstract:
در این تحقیق مقایسهای بین شبکه عصبی مصنوعی (ANN) و مدلهای رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراجشده توسط عصارهگیرهای مختلف انجام یافت. برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمعآوری و در آن خاکها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر در آن اندازهگیری شد. نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراجشده با روشهای کالول و اولسن با وزن خشک بخش هوایی ذرت بهترتیب برابر 49/0 و 44/0 بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روشها بودند. در پیشبینی شاخصهای مهم وزن خشک و فسفر جذبشده توسط گیاه ذرت بر مبنای غلظت فسفر استخراجشده توسط عصارهگیرهای مختلف، ضرایب تبیین مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی خطی حاصل گردید، لذا چنین نتیجهگیری شد که میتوان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت.
similar resources
مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
در این تحقیق مقایسهای بین شبکه عصبی مصنوعی (ann) و مدلهای رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج شده توسط عصارهگیرهای مختلف انجام یافت. برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع آوری و در آن خاکها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر ...
full textارزیابی مدلهای رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران
هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی میباشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازهگیری آزمایشگاهی و صحرایی آن دشوار، وقتگیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روشهای غیرمستقیم مانند توابع انتقالی میتوان آن را با دقت بالایی برآورد نمود. پژوهش حاضر...
full textتخمین پایداری خاکدانه در خاکهای جنگلی استان گیلان بوسیله شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی
استفاده از شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگیهای دیریافت خاک از جمله پایداری خاکدانهها، هزینه و زمان لازم برای اندازهگیری مستقیم این ویژگیها را کاهش میدهد. در این پژوهش 100 نمونه خاک از جنگلهای استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم معادل، جرم ویژه حقیقی، تخلخل، مقاومت مکانیکی خاک، رس، شن، سیلت، pH و هدایت الکتریکی به عنوان متغیرهای مستقل و ...
full textمقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون
Background: Modeling is one of the most important ways for explanation of relationship between dependent and independent response. Since data, related to number of blood donations are discrete, to explain them it is better to use discrete variable distribution like Poison or Negative binomial. This research tries to analyze numerical methods by using neural network approach and compare ...
full textMy Resources
Journal title
volume 25 issue 2
pages 129- 140
publication date 2015-07-23
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023